【OpenCV-Python】二值化

全局阈值

retval, dst = cv.threshold( src, thresh, maxval, type[, dst] )

对多通道图像进行固定阈值的二值化。

参数	含义
src	多通道，8位或32位浮点数图像
dst	与输入图像相同尺寸，相同数据类型、相同通道数的图像
thresh	阈值
maxval	用于THRESH_BINARY和THRESH_BINARY_INV标志下的最大值
type	阈值化方法

阈值化方法

方法	含义
cv.THRESH_BINARY	像素值大于给定阈值的被设置为指定的最大值，否则设置为零
cv.THRESH_BINARY_INV	像素值小于给定阈值的被设置为指定的最大值，否则设置为零
cv.THRESH_TRUNC	像素值大于给定阈值的被设置给定阈值，其余像素值不变
cv.THRESH_TOZERO	像素值大于给定阈值的不变，其余像素值为零
cv.THRESH_TOZERO_INV	像素值大于给定阈值的设置为零，其余像素值不变
cv.THRESH_MASK
cv.THRESH_OTSU	使用OTSU算法选择最优的阈值，需与前面的类型组合使用且仅支持单通道图像
cv.THRESH_TRIANGLE	使用Triangle算法选择最优的阈值，需与前面的类型组合使用且仅支持单通道图像

局部阈值

dst = cv.adaptiveThreshold( src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst] )

参数	说明
src	8位单通道图像
dst	与输入图像相同尺寸，相同类型的输出图像
maxValue	在满足条件下的非零值将被赋予的值
adaptiveMethod	自适应阈值方法. cv.ADAPTIVE_THRESH_MEAN_C 和 cv.ADAPTIVE_THRESH_GAUSSIAN_C 两种方法都是逐个像素计算自适应阈值T(x,y)，方法是通过计算每个像素周围的blocksize * blocksize区域的加权平均值然后减去常量C。不同的是，如果选择的均值方法是cv.ADAPTIVE_THRESH_MEAN_C，那么均值时取得权值是相等的。如果选择的均值方法是cv.ADAPTIVE_THRESH_GAUSSIAN_C，(x,y)周围的像素的权值则根据其到中心点的距离通过高斯方程得到
thresholdType	阈值化方法，仅支持 THRESH_BINARY or THRESH_BINARY_INV
blockSize	自动计算时，使用邻域的尺寸大小
C	常量

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread('./opencv/images/lena-gray.jpg')

img_mean_binary = cv.adaptiveThreshold(img[:, :, 0], 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 11, 10)
img_mean_binary_inv = cv.adaptiveThreshold(img[:, :, 0], 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY_INV, 11, 10)

img_gauss_binary = cv.adaptiveThreshold(img[:, :, 0], 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 11, 10)
img_gauss_binary_inv = cv.adaptiveThreshold(img[:, :, 0], 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 11, 10)

plt.figure()
plt.subplot(2, 2, 1), plt.imshow(img_mean_binary), plt.title('img_mean_binary')
plt.subplot(2, 2, 2), plt.imshow(img_mean_binary_inv), plt.title('img_mean_binary_inv')

plt.subplot(2, 2, 3), plt.imshow(img_gauss_binary), plt.title('img_gauss_binary')
plt.subplot(2, 2, 4), plt.imshow(img_gauss_binary_inv), plt.title('img_gauss_binary_inv')

plt.show()